Skip to navigation – Site map

HomeNuméros14VariaLes conséquences inattendues de l...

Varia

Les conséquences inattendues de la régulation financière : pourquoi les algorithmes génèrent-ils de nouveaux risques sur les marchés financiers ?

The unintended consequences of financial regulation: why do algorithms create new risks in European financial markets?
Las consecuencias inesperadas de la regulación financiera : porqué los algoritmos generan nuevos riesgos sobre los mercados financieros ?
Marc Lenglet and Angelo Riva

Abstracts

Since the enactment of the Markets in Financial Instruments Directive (MiFID) on November 1st, 2007, the institutional landscape and the organization of financial markets in Europe has been witnessing major changes. In this article, we show why the new set of rules fostered the dissemination and use of trading algorithms in European financial markets. We thus put forward the paradox generated by the new wave of regulatory and technological innovation, creating new risks instead of promoting transparency and safeness for issuers and investors.

Top of page

Full text

Introduction

  • 1 Ainsi du « capitalisme patrimonial » proposé par Aglietta (1998), ou du « finance led growth regime(...)

1À la suite des réponses données à la stagflation des années 1970 et du début des années 1980, un nouveau régime d’accumulation s’est progressivement mis en place dans les économies de type capitaliste dites développées. S’il a été désigné par des noms différents1, ce nouveau régime trouve son trait caractéristique dans le phénomène couramment nommé « financiarisation » (Guttmann, 2008). Il s’agit d’un régime d’accumulation entraîné par la finance et fondé sur l’impératif de liquidité (Orléan, 2011) : la doxa construite autour de la théorie de l’efficience des marchés financiers a ainsi légitimé des positions prises par les intérêts financiers, constitués afin d’accroître leur contrôle sur le processus d’accumulation (Coriat, Boyer, 2008 ; Lordon, 2008). Le démantèlement des systèmes financiers fordistes, régulés et organisés sur bases nationales, conjugué à une utilisation organique de nouvelles technologies, a été la condition de l’avènement d’une prétendue concurrence qui, transposée à l’échelle du monde, aurait dû réaliser l’allocation optimale des ressources (Coriat, 2008 ; Guttmann, 2008). Selon ses thuriféraires, la liquidité de marchés libres devait garantir le fonctionnement et la stabilité du système (Bourghelle, Hyme, 2010) : les détenteurs de capitaux auraient ainsi pu acheter et vendre instantanément, au gré de leurs intérêts chrématistiques, les actifs produits par l’industrie financière. La possibilité de revendre à chaque instant un actif devait en outre réduire le risque porté par son détenteur et conduire ce dernier à exiger une rentabilité inférieure de la part de l’émetteur, qui bénéficierait ainsi d’un moindre coût du capital, ce qui, par ricochet, faciliterait l’investissement et la croissance économique. En réalité, l’histoire financière récente a montré l’instabilité intrinsèque de ce régime idéal, dont le devenir a été rythmé par des crises fréquentes, jusqu’à celle déclenchée par le retournement du marché immobilier américain en 2007. Paradoxalement, la solution adoptée pour sortir de ces crises a été, au moins depuis la nomination d’Alan Greenspan à la tête de la Réserve fédérale américaine en 1987, la création quasi illimitée de liquidité qui contribuait pourtant, à chaque fois, à préparer la crise suivante.

2Ce système de régulation de l’économie demandait une refonte radicale des institutions de marché pour les rendre capables d’accueillir et démultiplier la liquidité injectée dans le système financier, plutôt que de la contenir et la contrôler. En Europe, c’est la directive sur les marchés d’instruments financiers (MiF) qui a parachevé la mise en place de ces nouvelles formes institutionnelles, entamée par la démutualisation des bourses de valeurs à la fin des années 1980. Si les membres d’une bourse mutualiste ont tout intérêt à limiter l’entrée de nouveaux membres (et, par-là, la liquidité du marché) pour bénéficier des rentes que les barrières à l’entrée génèrent, une bourse qui prend forme de société par actions n’a en revanche aucun intérêt à limiter le nombre de ses participants, ses revenus étant aussi fonction croissante de ce nombre. Depuis son entrée en vigueur le 1er novembre 2007, la directive a de fait bouleversé le paysage institutionnel et l’organisation des marchés financiers en Europe : elle a supprimé le monopole des marchés réglementés là où il existait encore et s’est attaquée aux monopoles de fait. Par l’institution d’un « marché des marchés », la directive MiF a fait de la concurrence entre dispositifs de négociation le principe régissant l’organisation des transactions : depuis lors, un titre peut être négocié sur plusieurs types de plateformes aux statuts diversement codifiés par la directive, sans que l’émetteur du titre ne soit nécessairement consulté. Au-delà de la typologie expressément prévue par la directive, c’est le développement de plateformes alternatives parfois pleinement opaques, qui a également été rendu possible (Hautcoeur et al., 2010 ; Lagneau-Ymonet 2009 ; Lagneau-Ymonet, Riva, 2010, 2012a et 2012b).

3Ces évolutions réglementaires ont contribué à accélérer le mouvement d’automatisation des marchés initié depuis la fin des années 1980 avec la dématérialisation des transactions. Après la démutualisation de la Bourse de Paris et l’adoption du système de cotation assistée en continu (Muniesa, 2003), on assiste ainsi aujourd’hui à une seconde révolution technologique qui instaure le règne des algorithmes : jusqu’alors déployés par les structures de marché, au sein desquelles ils apparient les ordres d’achat et de vente (Lee, 1998), ces scripts informatiques sont désormais massivement utilisés par les intermédiaires financiers, pour générer de façon autonome les instructions qui étaient auparavant exécutées par une chaîne d’intervenants humains (Lenglet, 2011a). Une forme de mutation s’opère ainsi, qui voit des algorithmes de négociation remplacer les gestes des êtres humains, au sein d’une architecture technique elle-même gérée par les algorithmes d’appariement constituant le marché. La nécessité d’exécuter les ordres sur plusieurs types de plateformes de négociation ainsi que les opportunités d’arbitrage afférentes démultiplient les occasions d’échange, au profit des intervenants à même de déployer les systèmes algorithmiques les plus puissants permettant d’exploiter une information dispersée. Cette nouvelle architecture des marchés a permis l’essor du trading algorithmique.

  • 2 Un documentaire revient sur ces changements récents : Meerman M. (2010), Quants: The Alchemists of (...)

4Si cette révolution passe nécessairement par la mise en place de réseaux informatiques à très haut débit, ses conséquences sur les marchés financiers ne se limitent pas à une démultiplication de la vitesse des flux d’informations. La rapidité avec laquelle les ordres sont traités pèse en effet de façon décisive sur le sens pratique mobilisé par les opérateurs de marché ; elle change ainsi en profondeur la qualité de l’acte de négociation et modifie la nature des dispositions cognitives nécessaires à l’exercice du marché : non seulement les analystes quantitatifs (quants), maîtrisant les modèles mathématiques et leur traduction dans le langage de l’informatique se substituent massivement aux anciens financiers, mais ces quants se trouvent de fait exclus de l’acte de négociation, qui se déploie au-delà des capacités cognitives de l’être humain2.

  • 3 Ponctuellement, nous avons pu confronter ces analyses aux informations collectées par l’un d’entre (...)

5Cinq années après l’entrée en vigueur du texte réglementaire, et alors que sa révision au niveau européen est en cours, cet article entend faire le point sur les évolutions consécutives à la mise en œuvre de la directive MiF, en mettant en perspective les changements technologiques consécutifs à cette adoption et les nouveaux risques concomitants. Les outils qui font l’objet de cette étude restent néanmoins difficilement accessibles, parce qu’ils constituent le plus souvent l’une des pièces maîtresses des systèmes privés dans lesquels ils prennent place. En outre, les données à haute fréquence demeurent difficiles d’accès pour les chercheurs, souvent obligés de recourir à des proxies pour mesurer l’action des traders algorithmiques. Nos travaux s’appuient donc pour l’essentiel sur une analyse des textes réglementaires actuellement en vigueur, sur les documents produits par l’industrie financière (participants de marché, associations de professionnels et régulateurs nationaux et supra-nationaux), et sur une revue des travaux académiques disponibles – lesquels restent, pour bon nombre d’entre eux, au stade de la littérature grise (cf. infra, partie 3. 1.)3.

6La première section de l’article propose une courte description de l’organisation des marchés financiers européens à partir des principes articulant la directive MiF, et souligne le rôle qu’a pu jouer le texte dans l’accélération des modifications technologiques récentes. À partir des constats ainsi exposés, la deuxième section s’attarde sur l’évolution des pratiques résultant de ces changements, tant au niveau des structures de marché que chez les opérateurs pratiquant la négociation. Deux modalités d’utilisation de la technologie algorithmique sont alors distinguées (à « basse » et à « haute » fréquence), qui mettent en perspective la manière dont les participants se rapportent désormais au marché. La troisième section ouvre la réflexion sur les nouveaux risques induits par ces changements, portés principalement par les investisseurs qui auraient dû, à en croire l’intention première de la modification réglementaire, être davantage protégés. Si la directive avait pour objectif affiché de créer une infrastructure de négociation « efficace, transparente et intégrée » en Europe (CE, 2003b, consid. 5), force est de constater que la nouvelle vague d’innovation technologique renforce l’opacité des marchés, réduit l’emprise des régulateurs, et contribue à l’accroissement des risques sur les marchés financiers.

1. Une modification réglementaire créant un nouveau paysage transactionnel

  • 4 Le Premier Rapport du Comité des Sages dirigé par Alexandre Lamfalussy a été publié le 9 novembre 2 (...)

7Les origines de la directive MiF sont à chercher dans une tendance de longue période conduisant à la privatisation des échanges, et prenant racine dans l’essor des euromarchés au cours des années 1960 (Helleiner, 1994 ; Hautcoeur et al., 2010). Cette tendance s’est trouvée infléchie par la décision de sortir de la crise des années 1970-1980 à travers la promotion de marchés financiers liquides, un moyen de financement non-inflationniste et adapté à l’économie ouverte que les instances internationales et européennes appelaient alors de leurs vœux. Au début de l’année 2000, un processus de consultation est initié par la Commission européenne, destiné à faciliter la révision de la directive concernant les services d’investissement (DSI) alors en vigueur depuis 1993. Le rapport Lamfalussy, premier acte de ce processus de consultation4, qualifie ainsi de « nécessaire » la construction d’un marché de capitaux davantage intégré, dont la liquidité devrait être la qualité essentielle, suivant en ceci les prescriptions de Levine et Zervos (1998) : mentionnant explicitement cet article, le rapport Lamfalussy souligne comment les deux auteurs « parviennent à la conclusion que la liquidité des marchés boursiers, mesurée par la valeur des titres négociés tant par rapport à la taille du marché concerné que par rapport à celle de l’économie, présente une corrélation positive significative avec les taux actuel et futur de la croissance économique, l’accumulation de capitaux et l’amélioration de la productivité. » (Comité des Sages, 2000, p. 68 ; nous soulignons).

  • 5 Cette activité pèse sur les engagements réglementaires en capital des sociétés qui les créent, rais (...)
  • 6 AMF, 2009, p. 2 : « Le terme “dark pool” désigne communément les systèmes de négociation qui opèren (...)

8Lorsqu’est publiée la directive MiF en avril 2004, l’objectif mis en avant est la formation d’une infrastructure de négociation efficace, transparente et intégrée en Europe : face aux différences entre systèmes juridiques nationaux, il s’agit en effet d’assurer la libéralisation de la négociation d’instruments financiers, en institutionnalisant la concurrence entre plateformes d’exécution, dont la directive facilitait la création (CE, 2004, consid. 5). De la sorte se trouve créé un « marché des marchés » concurrentiel, là où les bourses traditionnelles bénéficiaient encore d’un monopole de jure (généralement dans les pays du sud de l’Europe) ou de facto ; l’émergence de nouveaux acteurs, dont les modalités d’organisation sont codifiées par la directive MiF, est ainsi rendue possible. Aux côtés des bourses traditionnelles (les marchés réglementés), le texte prévoit deux autres statuts pour les plateformes de négociation : les systèmes multilatéraux de négociation (SMN) et les internalisateurs systématiques (IS). Remplissant des fonctions similaires à celles des marchés réglementés, les SMN n’en partagent pas pour autant les règles : plus opaques, moins surveillés, généralement créés par des consortiums de banques (ce fut par exemple le cas de Turquoise, ouvert en 2008 par un groupe de neuf banques), ils ne peuvent prendre en charge les introductions en bourse. Les internalisateurs systématiques (IS) font quant à eux office de nouveaux market makers : ils sont contractuellement tenus de se comporter en « spécialistes » sur certaines valeurs, pour lesquelles ils ont obligation d’afficher systématiquement des prix5. Dès 2007 néanmoins, différents dispositifs d’échange non prévus par la directive voient le jour dans les interstices du texte réglementaire : les dark pools et les crossing networks, caractérisés – et donc reconnus – seulement deux années après par l’AMF6.

  • 7 CE, 2006, notamment art. 17 à 26 ; puis art. 27 et 28.
  • 8 CE, 2004, art. 21.1

9À en croire les promoteurs de la réforme, la concurrence entre plateformes de négociation pour l’exécution des ordres aurait dû faire baisser les coûts de transaction et contribuer à l’accroissement des volumes négociés sur les marchés, abaissant de la sorte le coût du capital. Les obligations de publication des transactions, pourtant très variables selon le dispositif d’exécution, étaient par ailleurs censées améliorer le processus de découverte des prix, contribuant de la sorte à renforcer l’intégrité des marchés7 ; des agrégateurs de flux privés auraient quant à eux dû diffuser les informations post-négociation, une fois les transactions effectuées. L’architecture concurrentielle et transparente ainsi formalisée par la directive devait contribuer à l’intégration du marché financier européen, que les régulateurs auraient pu surveiller aisément par l’intermédiaire du système TREM (Transaction Reporting Exchange Mechanism), un mécanisme d’échange d’informations entre régulateurs assurant la disponibilité intra-communautaire des données relatives aux négociations (CESR, 2009a). Ces mécanismes garantissant la transparence devaient enfin contribuer à l’avènement de la « meilleure exécution » (best execution), élément architectonique du service proposé par l’intermédiaire financier au client, pourtant longtemps cantonnée à un rôle d’arrière-plan. La meilleure exécution devenait ainsi un élément déterminant dans l’organisation des transactions : contractualisée avec chaque client, elle implique que les intermédiaires financiers soient d’une part en mesure de prouver, pour chaque transaction effectuée, les modalités d’achat ou de vente des instruments financiers concernés, et d’autre part leur capacité à comparer les prix disponibles sur les différentes plateformes pour ces instruments financiers demandés à l’achat ou proposés à la vente par leurs clients finaux8.

  • 9 Chi-X, l’une de ces plateformes, a ainsi été l’une des premières à introduire en Europe ce type de (...)

10Cinq années après la mise en œuvre de la directive, les changements réglementaires ont créé un paysage financier très fragmenté et souvent opaque. La libéralisation a entraîné la chute des parts de marché des structures réglementées et l’essor rapide des dispositifs d’échange alternatifs qui, supportant des charges réglementaires souvent moindres, demandent des commissions plus basses, voire en rétrocèdent une partie à leurs clients9.

11>> Consulter le document 1.
La fragmentation des marchés actions en Europe post-MiF

12Plus avant, l’émergence des plateformes de négociation alternatives a contribué à accentuer une disjonction importante au sein des marchés : certains investisseurs informés et de taille conséquente (intervenant généralement pour leur compte propre et non pour le compte de clients tiers) préfèrent effectuer leurs échanges sur des plateformes opaques pour minimiser l’impact de marché lié à la passation de l’ordre, c’est-à-dire le décalage de cours potentiel, résultant de la taille traitée. Une telle évolution, relevée à plusieurs reprises (IOSCO, 2011 ; Philipponnat, 2011) se traduit par la maximisation des rentes informationnelles de ces opérateurs et, parallèlement, par la réduction du contenu informationnel des prix publics (AMF, 2010, p. 47). En l’absence de mécanismes publics de consolidation de l’information pré-négociation, les systèmes de diffusion de l’information post-négociation montrent par ailleurs leurs lacunes, résultant de l’hétérogénéité des protocoles et d’une absence de contrôle des données fournies soit par les intervenants (investisseurs), soit par les participants (intermédiaires) de marché. La fragmentation de la liquidité entre un nombre croissant de places résulte de cette situation, qui pousse au développement par les grands opérateurs privés de structures technologiques à même de gérer au mieux la situation de pauvreté informationnelle concomitante (AMF, 2010 ; Philipponnat, 2011).

  • 10 Cf. infra et UK Government Office for Science, 2012, p. 50 : « It is almost impossible to access li (...)

13La recherche de prix sur différents marchés a puissamment accéléré l’émergence d’algorithmes grâce auxquels l’information fragmentée se trouve consolidée, qui permettent aux intervenants privés qui en ont les moyens financiers d’accéder aux prix et quantités recherchés en augmentant d’autant le volume de transactions sur les plateformes alternatives10. L’univers créé par la directive et les règles applicables au sein de cet univers ont donc renforcé la tendance à l’automatisation des marchés, initiée à l’occasion du passage d’un système de cotation à la criée à un système de cotation électronique assistée en continu (Muniesa, 2003). Tant et si bien que l’intermédiaire financier intervenant pour le compte de tiers (le courtier) ne peut aujourd’hui s’abstenir de l’utilisation d’algorithmes de négociation qui seuls sont à même d’identifier et de consolider l’information nécessaire à la réalisation des transactions dans le cadre de la meilleure exécution. Pour l’opérateur de marché intervenant pour son compte propre (le négociateur d’une banque d’investissement ou d’un hedge fund arbitragiste) en revanche, la fragmentation de la liquidité offre des opportunités de gains récurrents et quasi certains, dès lors que ce dernier parvient à développer et utiliser les technologies à même de consolider l’information dispersée et de l’exploiter avant les autres participants de marché.

14En somme, la modification réglementaire a renforcé la tendance préexistante à l’accélération des évolutions technologiques (AMF, 2012, p. 32 sq.), ces deux éléments induisant des changements importants quant à la nature même des transactions et des pratiques jusqu’alors déployées par les opérateurs. La construction d’autoroutes informatiques et l’utilisation d’algorithmes à même de générer et de faire se rencontrer les ordres dans des temporalités extrêmement réduites (quelques millisecondes), au sein d’une place marchande fragmentée, bouleverse en retour les pratiques des opérateurs de marché qui se trouvent exclus de l’acte de la négociation au sens strict du terme.

2. Le règne de l’algorithme : une dissémination rapide et lourde de conséquences

15En quelques années, entreprises de marché, entreprises d’investissement et régulateurs ont vu la technologie algorithmique acquérir une place incontournable dans la réalisation des transactions. Les outils algorithmiques sont désormais devenus tellement prépondérants sur les marchés qu’il semble impossible de comprendre ce qui s’y joue sans une correcte appréhension de ce règne nouveau (UK Government Office for Science, 2012, p. 30). Encore peu courants il y a seulement dix ans, l’utilisation de ces outils engendre de multiples modifications : ce sont non seulement les pratiques qui se trouvent impactées par les algorithmes de négociation utilisés à basse fréquence (2. 1.), mais également la nature des échanges résultant d’une utilisation des algorithmes à haute fréquence (2. 2.), tout comme les structures marchandes accueillant ces échanges (2. 3.).

2. 1. Une modification des pratiques : l’utilisation des algorithmes par les opérateurs de marché

16L’évolution des connaissances mobilisées par les opérateurs de marché est un indicateur pertinent du changement généré par l’utilisation des algorithmes de négociation : depuis l’informatisation des échanges, les métiers de marché ont eu tendance à consommer des quantités importantes de compétences mathématiques et informatiques (Godechot, 2011 ; Godechot et al., 2000), et les récentes évolutions du paysage financier ont sans doute continué à accélérer cette tendance. Des données précises sur ce point manquent encore, mais les graphiques ci-dessous montrent une tendance fortement haussière de la proportion de postes offerts dans l’informatique financière, en comparaison du nombre total de postes offerts dans le secteur informatique, en Grande-Bretagne.

Document 2. Emplois informatiques dans le secteur financier : le cas de la Grande-Bretagne

Document 2. Emplois informatiques dans le secteur financier : le cas de la Grande-Bretagne

Nombre d’offres d’emplois (fonctions informatiques) dans le secteur financier, en comparaison du nombre total d’offres d’emplois tous secteurs informatiques confondus, en Grande-Bretagne.

Source : http://www.itjobswatch.co.uk/​

17Chez les intermédiaires de marché, le développement accru des algorithmes de négociation induit une reconfiguration des rapports entre le négociateur et le marché, rapports déjà médiatisés par la machine (c’est-à-dire la station de négociation, l’écran filtrant le rapport à la réalité du marché). L’utilisation des algorithmes de trading génère une nouvelle médiation, ajoutant une épaisseur supplémentaire dans la chaîne reliant le négociateur au marché, l’outil cadrant les possibles ouverts à l’opérateur (Jorion, 1994, 2010 ; Lenglet, 2011a, 2011b ; Pryke, 2010). La pratique mise en œuvre par le négociateur se trouve ainsi encapsulée dans un objet structurant très fortement ce qui auparavant participait d’un processus de décision évolutif, tributaire des interactions sociales observables dans le marché – regards, gestes et cris (Hassoun, 2005 ; MacKenzie, 2012). Une fois la stratégie de négociation choisie, l’opérateur a somme toute contribué à la fixation de sa pratique, en la déléguant à l’automate : pareille délégation se trouve accomplie lorsque le négociateur saisit les paramètres précis correspondant au style d’algorithme choisi, et à l’intervention en résultant.

18Un exemple simple permet d’illustrer ces propos. Parmi les algorithmes les plus utilisés, le VWAP (Volume Weighted Average Price), qui permet de réaliser une transaction à l’achat ou à la vente au cours moyen pondéré sur la période considérée. L’algorithme se sert de séries statistiques décrivant les volumes et les prix sur le titre concerné, et ajuste sa stratégie d’intervention sur le marché en fonction des informations lui parvenant au fil de l’eau. De la sorte, l’algorithme est à même d’optimiser les insertions dans le carnet d’ordres, et de « répondre » des prix en fin d’exécution avec une précision allant jusqu’à trois ou quatre décimales après la virgule. Le savoir-faire qui auparavant consistait pour le négociateur à gérer de lui-même la suite des exécutions dans le temps imparti pour le calcul du cours moyen pondéré, en repérant dans la journée les différents momentums (la publication d’une nouvelle ayant un impact attendu sur les cours, l’ouverture des marchés américains, etc.), se trouve ainsi délégué à l’outil. Les tâtonnements dans l’exécution de l’ordre sont lissés : lorsqu’auparavant le négociateur sécurisait sa position en traitant au moins un tiers de l’ordre sur un titre dès le début de la journée, pour ensuite affiner ses interventions en prêtant attention tant aux cours qu’aux volumes négociés, tout cela est désormais pris en charge par l’algorithme. Chez beaucoup d’intermédiaires financiers et chez les courtiers notamment, le négociateur se trouve ainsi cantonné à la supervision des tâches déléguées à l’automate, réduisant le champ de ses interventions à un contrôle de l’évolution du travail algorithmique au fil de la journée.

  • 11 « Sniper » ou « Hunt » : des algorithmes qui envoient un ordre à cours limité lorsque le prix reche (...)

19Cette délégation engendrant une modification dans la pratique de la négociation n’est pas sans conséquences pour les opérateurs concernés. En effet, ceux qui auparavant étaient habitués à une relative autonomie dans la passation de leurs ordres doivent désormais penser à nouveaux frais leurs modes d’engagement dans le marché. On peut même se demander si cet accès nouvellement médiatisé par l’outil ne vient pas obérer la capacité de l’opérateur à « sentir » le marché, comme c’était le cas sur les criées, décrites notamment par Hassoun (2000) ou Zaloom (2006). De fait, on peut tenir que l’algorithme dispose d’un fort pouvoir reconfigurant pour au moins deux raisons : d’une part parce qu’il offre une formalisation standardisée des pratiques de négociation ; d’autre part parce qu’il limite les possibilités de négociation, en ce qu’il se trouve obligé de produire un cadre d’expression de la pratique, traduisible en une série de critères binaires. L’algorithme tend donc à substituer des pans entiers de ce qui faisait initialement la pratique de la négociation : le rôle de la main, qui jusqu’à la fin des années 1990 jouait un rôle prédominant dans la passation de l’ordre (Hassoun, 2000 et 2005), s’est peu à peu trouvé réduit à la succession des activations de la souris et du clavier, et à l’interaction avec l’écran. La relation du négociateur au marché se trouve encore davantage distendue par l’interposition de l’algorithme, celui-ci contribuant à la dilution de la pratique dans l’outil. Par ailleurs, cet outil fait émerger de nouvelles pratiques, auparavant proprement intenables pour des êtres humains : ainsi des algorithmes de type Sniper ou Hunt, qui ne s’activent que sur l’apparition, dans le marché, de critères récurrents (prix)11.

  • 12 Document mis en ligne par le courtier CA Cheuvreux, consulté le 12/12/2012.

20La promotion des algorithmes devient alors un enjeu pour les intermédiaires financiers, qui mettent en avant la diversité de leur offre de stratégies d’exécutions, et la performance de leurs technologies. Les documents ci-dessous sont extraits d’argumentaires de vente dans lesquels les algorithmes y sont brièvement décrits, à partir de leurs qualités idéales-typiques : « anonymat », « productivité », « réduction de l’impact de l’exécution dans le marché » sont ici autant d’indices permettant au lecteur informé de faire sens de l’usage de l’outil : l’algorithme apparaît alors comme l’outil à même d’atteindre une meilleure efficacité dans le processus transactionnel12.

21>> Consulter le document 3. Algorithmic trading

22Si certains des algorithmes couramment utilisés sont modélisés de façon quasi identique d’un intermédiaire à l’autre (c’est le cas pour l’algorithme « VWAP », dont le principe reste in fine, d’exécuter un ordre au cours moyen pondéré du jour), chaque société n’en entend pas moins se différencier par des outils plus originaux : le document ci-dessous montre bien qu’au-delà des algorithmes de base (« VWAP », « TWAP », « With Volume », « Open/Close »), l’intermédiaire propose des outils à même de rechercher la liquidité (« Liquidity Seeking ») ou d’accompagner la tendance de marché (« Peg »). La plaquette distribuée aux clients offre ainsi une vue synthétique des outils disponibles, et en précise l’utilisation en indiquant les paramètres à partir desquels l’opérateur de marché peut configurer l’algorithme (la section haute du document indique le modèle sous-jacent, la section basse les paramètres opérationnels liés à l’activation de l’outil)13. L’offre de stratégies de trading fondées sur ces outils, encore difficilement accessibles au début des années 2000, se banalise auprès des acteurs du marché.

23>> Consulter le document 4. Quantitative Electronic services

24Pourtant, si plusieurs types d’opérateurs de marché opérant pour compte propre ou pour compte de tiers s’appuient sur le trading algorithmique, il existe une différence de fond entre d’une part les algorithmes que les intermédiaires (courtiers) vont utiliser pour exécuter les ordres de leurs clients – en se fondant sur les préférences exprimées par ces derniers en terme de prix, de volumes, de qualité d’exécution etc. – et, d’autre part, les algorithmes utilisés par les intervenants pour compte propre (hedge funds, banques d’investissement) utilisant des outils souvent plus performants, désormais désignés par le syntagme « traders à haute fréquence ». L’évolution technique a contribué à accentuer les différences existant entre ces deux catégories d’intervenants, avec pour conséquence une modification de la nature des échanges.

2. 2. Une modification de la nature des échanges : l’irruption du trading haute fréquence

25L’évolution des pratiques de marché en direction d’une utilisation généralisée de l’algorithme a rendu possible l’émergence du trading dit « à haute fréquence » : les utilisateurs de cette technologie, principalement des hedge funds et banques d’investissement effectuant des transactions pour compte propre, sont rapidement devenus des acteurs importants des marchés financiers aux États-Unis et en Europe. Ces intervenants y utilisent, pour passer leurs instructions, des algorithmes qui insèrent, modifient ou annulent les instructions dans les carnets d’ordres. Mais à la différence des autres participants de marché travaillant à « basse fréquence » (les intermédiaires et leurs clients : des investisseurs institutionnels et des particuliers), les traders à haute fréquence disposent de capacités technologiques leur permettant d’intervenir un très grand nombre de fois chaque seconde. En novembre 2011, environ 35 % des volumes négociés sur les marchés européens sont ainsi générés par des automates à haute fréquence, l’AMF allant jusqu’à indiquer que les ratios d’exécution sur NYSE-Euronext sont désormais de l’ordre de 1 % à 5 %, et qu’elle a pu identifier des ordres dont la durée de vie avant annulation était de 25 microsecondes (Oseredczuck, 2011). L’AMF indique en outre qu’en avril 2010, un intervenant a ainsi « entré 15 millions d’ordres sur les valeurs du CAC 40 et n’a exécuté qu’une transaction pour 154 ordres » (Oseredczuck, 2011). Ces chiffres sont sensiblement inférieurs à ceux observés en Amérique du Nord, où le taux des ordres générés par des automates à haute fréquence va jusqu’à dépasser les 50 % sur certains des principaux marchés aux États-Unis (AMF, 2010 ; Biais, 2010a ; Hendershott, Riordan, 2009).

  • 14 Il suffit pour s’en convaincre de penser aux cas portés devant la justice américaine en 2009 : l’af (...)

26Dans leur diversité statutaire et stratégique, les traders à haute fréquence partagent un trait commun : il s’agit pour la plupart d’entre eux de poids lourds de la finance mondiale. Les bases de données actuellement disponibles ne permettent pas de cerner avec précision la part de ces grandes institutions dans les volumes négociés, mais des estimations récentes révèlent qu’aujourd’hui, sur les deux cents opérateurs agissant à l’échelle européenne, les dix premiers réalisent à eux seuls 75 % des opérations (AMAFI, 2010). Si l’on croise cette information avec le volume estimé des traders à haute fréquence, on aboutit au constat que cette pratique est mise en œuvre pour l’essentiel par un nombre restreint de très grandes institutions financières : un point que semble corroborer l’AMF, laquelle a pu souligner qu’en avril 2010, « 3 membres de marché d’Euronext [entraient] à eux seuls, en compte propre, 50 % des ordres sur actions du CAC 40 » (Oseredczuck, 2011). En fait, l’exploitation des technologies à haute fréquence demande des investissements de taille pour financer les coûts fixes qu’elles nécessitent : non seulement des systèmes informatiques performants (y inclus les coûts d’utilisation des réseaux informatiques externes à l’entreprise, et les coûts éventuels de « colocation » désormais nécessaires pour abréger les temps de latence, cf. infra), mais également des compétences informatiques de pointe pour développer des algorithmes propriétaires (Aldridge, 2010 ; Leinweber, 2009 ; Patterson, 2012). Seules les grandes institutions peuvent facilement obtenir les compétences nécessaires par des salaires attractifs et s’autoriser les investissements fixes, grâce aux économies d’échelle que les grands volumes négociés leur permettent de réaliser. Les outils ainsi développés font alors partie des secrets les mieux gardés par les institutions financières14.

27Les algorithmes utilisés par les traders à haute fréquence collectent et traitent l’information disséminée sur plusieurs marchés dès que celle-ci apparaît : de façon quasi autonome, l’outil décide ainsi d’intervenir en se fondant sur l’information disponible, en générant un volume d’ordres très important, à une vitesse avec laquelle l’être humain ne peut prétendre rivaliser. En retour, c’est donc une masse très importante d’ordres que ces outils sont capables d’initier, modifier et annuler dans des laps de temps extrêmement restreints : le profit se trouve généré du fait d’une rotation très rapide de la mise de départ, sans que ces ordres ne nécessitent de lourds engagements réglementaires en capital, les positions des traders à haute fréquence étant le plus souvent ouvertes et clôturées dans l’espace d’une même journée de marché (AMF, 2010, p. 49 ; Biais et al., 2011).

28Pour autant, la rapidité de l’essor des techniques de trading algorithmique, ainsi que leur prépondérance contemporaine, ne doivent pas surprendre : le paysage boursier créé par la directive MiF constitue un environnement idéal pour leur épanouissement. La fragmentation de la liquidité ainsi que l’opacité relative des nouvelles plateformes font des algorithmes les seuls instruments privés aptes à accomplir la tâche pourtant fondamentale tant pour les opérateurs que les régulateurs, de recomposition de l’information boursière. N’ayant pas imposé de mécanisme public de consolidation de l’information accessible à tout un chacun, la MiF a donc remis en cause une des missions premières des bourses traditionnelles (Hautcoeur et al., 2010) et, par-là, contribué à l’essor des algorithmes. Cette évolution pose ainsi une question quant à la nature des opérations à haute fréquence : même si on les observe en les déroulant plus rapidement, les transactions à basse fréquence peuvent se révéler qualitativement différentes de celles à haute fréquence car ces dernières dépassent les capacités cognitives et perceptives des êtres humains ; au-delà d’un certain seuil critique, il n’y a que des algorithmes a rationalité binaire qui puissent interagir, ce qui peut changer radicalement les propriétés statistiques des variables de marchés, comme l’indiquent les résultats des études pionnières de Johnson et Zhao (2012).

2. 3. Une modification des structures de marché

29Les plateformes de négociation à travers lesquelles les échanges se trouvent conclus sont elles aussi fortement impactées par le déploiement de ces nouvelles technologies : le mouvement initié à la fin des années 1980, qui a vu le remplacement des cotations à la criée par des systèmes automatisés se trouve ainsi poursuivi (Lee, 1998 ; Muniesa, 2003 et 2007 ; Pardo-Guerra, 2010). Sous la pression de la concurrence, les plateformes se sont elles-mêmes lancées dans une véritable course au développement d’algorithmes à même de gérer et d’apparier en partie des flux d’ordres générés par les algorithmes de leurs clients. Cette tendance a d’une part modifié le modèle organisationnel des bourses traditionnelles et, d’autre part, conduit les plateformes (marchés réglementés compris) à offrir des services susceptibles de réduire ultérieurement la transparence des transactions et d’altérer l’égalité formelle entre participants de marché.

30La « colocation » en est un bon exemple : NYSE-Euronext, comme les autres entreprises de marché, offre désormais à ses membres la possibilité de louer des espaces jouxtant ses propres serveurs, désormais délocalisés à Londres. Ces locataires sont le plus souvent des traders à haute fréquence qui tirent parti de la proximité physique entre les serveurs du marché et leurs propres machines, le gain de quelques millisecondes leur permettant de réaliser des transactions encore plus rapides (NYSE-Euronext, 2008 et 2010). En outre, la mise en œuvre de systèmes de type IMS (Internal Matching Service) chez NYSE-Euronext participe de cette dynamique : dans ce cas précis, il s’agit d’un service d’agrégation des ordres envoyés par les participants, qui vise à croiser les flux routés vers le marché avant que de les insérer dans le carnet central (NYSE-Euronext, 2007). L’institution propose elle-même l’optimisation des flux à son détriment, puisque les ordres ne passant pas par le carnet central sont rémunérés de façon moindre, en automatisant les applications de petites tailles (c’est-à-dire en expurgeant le flux d’ordre des redondances et autres doublons d’exécution à la source). L’entreprise de marché accepte ainsi une moindre rémunération sur une partie des ordres, dans l’espoir de conserver en retour la majeure partie des flux générés par ses clients, dans un environnement plus concurrentiel.

31La dissémination de la technologie pousse ainsi les entreprises de marché à se tourner de plus en plus vers la fourniture de services informatiques : aujourd’hui, la commercialisation d’algorithmes d’appariement des ordres est devenue un pan important de l’activité des bourses et une source tout aussi essentielle de leurs revenus. La lecture des rapports annuels de NYSE-Euronext confirme ce point : entre 2007 et 2011, les revenus générés par les activités de service informatique (« software and technology services revenues ») ont connu une croissance de 275 %, alors que dans le même temps, les revenus liés aux activités de régulation (« regulatory revenues ») ont connu une décroissance de 72 % (2007-2009), puis ont été totalement transférés au régulateur (en l’occurrence FINRA). Si la contribution de ces deux postes aux revenus de l’entreprise de marché ne doit pas être surestimée, l’inflexion qui se dessine dans les chiffres y est cependant assez nette pour être relevée15. Le changement de nature de l’activité et de sa structure promotrice se traduit par ailleurs très symboliquement au sein même de l’organisation : le départ de Jean-François Théodore, l’ancien président de la Bourse de Paris issu des rangs de l’ENA et ayant fait une partie de sa carrière au ministère des Finances a permis de confier la direction de l’entreprise, début 2010, à Dominique Cerutti, un ingénieur de formation ayant fait carrière chez IBM16.

3. Qualité de marché et nouveaux risques : les conséquences de la directive MiF

32Les récentes évolutions technologiques sur les marchés financiers européens, impulsées par la directive MiF, ont eu pour conséquence une forte modification de l’écologie du système d’échange préexistant : prenant désormais place au cœur même des pratiques financières, les algorithmes ont puissamment modifié la fabrique des transactions. Sous la pression de la concurrence, les plateformes de négociation ont donc entamé une course vers la réduction des temps de latence et cherché à dépasser les contraintes de capacité, en déployant notamment des réseaux informatiques et des systèmes d’exécution de plus en plus puissants facilitant l’utilisation d’algorithmes à haute fréquence. L’utilisation de ces outils contribue au développement de nouvelles pratiques : la littérature dominante, en se fondant sur des métriques partagées avec les professionnels, en relaie les effets positifs, même si les données disponibles manquent parfois de fiabilité (3. 1.). Pourtant, ces modifications génèrent également de nouveaux risques pour les structures de marché (3. 2.).

3. 1. Bénéfices du trading algorithmique et du trading haute fréquence

33Lorsque l’on entend juger de la qualité des innovations et des réglementations financières, la notion de qualité de marché se trouve couramment utilisée. Cette notion recouvre diverses dimensions, parmi lesquelles les idées de liquidité, de volatilité, de coûts de transaction et d’efficience du marché (Hendershott et al., 2011). La littérature académique étudiant l’impact du trading algorithmique sur les marchés est encore peu développée, même si elle a connu un indéniable essor ces cinq dernières années, trace de l’introduction somme toute récente de cette innovation technique dans les marchés.

Document 5. Le trading algorithmique, un sujet encore peu étudié

Document 5. Le trading algorithmique, un sujet encore peu étudié

Nombre de working papers relatifs au trading algorithmique (requête sur « algorithmic trading ») et au trading haute fréquence (requête sur « hft ») mis en ligne sur le site http://www.ssrn.com/​, sur une période de dix années.

Source : SSRN, auteurs

  • 17 Dans la plupart des articles académiques dédiés au trading algorithmique, deux variables sont utili (...)

34En outre, l’absence d’une définition univoque et établie à même de prendre en charge les différentes formes d’utilisation de l’algorithme ne facilite pas l’enquête sur le phénomène. Cette difficulté se trouve par ailleurs redoublée du fait des obstacles réels à la constitution de bases de données exhaustives, couvrant plusieurs marchés sur des périodes suivies, et conservant la trace des données produites par le trading à haute fréquence. En retour, ces limites génèrent des difficultés méthodologiques pour qui entend qualifier les impacts liés à l’adoption des technologies algorithmiques. Souvent restreints à un seul marché, les travaux disponibles doivent recourir à des approximations (ou des proxies) pour mesurer l’action des traders à haute fréquence17. Les mesures proposées sont donc majoritairement indirectes, elles peuvent en conséquence varier de façon significative selon les définitions retenues, et générer parfois des aberrations (UK Government Office for Science, 2012, p. 44).

35Pour ce qui concerne la notion de liquidité, les études disponibles soulignent pour la plupart d’entre elles que le trading algorithmique et le trading à haute fréquence améliorent la liquidité (Brogaard, 2010, pour les marchés américains). Souvent, celle-ci y est mesurée à partir des fourchettes de cotation (meilleurs prix à l’offre et à la demande ou bid-ask spreads) enregistrés sur les marchés. Lorsque Hendershott et al. (2011) enregistrent une diminution de ces fourchettes, consécutive au déploiement du trading algorithmique sur le NYSE, Hasbrouck et Saar (2012) montrent que les différentiels de prix des cinq cents plus larges capitalisations du NASDAQ ont été réduits par l’apparition du trading haute fréquence entre 2007 et 2008, un phénomène également mesuré pour les actions hollandaises cotées sur NYSE-Euronext sur la même période (Menkveld, 2011). Ces travaux, dont la portée reste fortement tributaire des échantillons utilisés, semblent montrer que le trading haute fréquence contribue également à augmenter la liquidité des titres, et à en réduire la volatilité (Hasbrouck, Saar, 2012 ; Linton, 2011). Il n’en reste pas moins que le niveau de lecture retenu joue un rôle déterminant dans l’interprétation du phénomène : en effet, des mouvements de prix parfois très importants sont régulièrement relevés par Nanex, une entreprise qui depuis 2010 s’est spécialisée dans la détection des micro-anomalies de marché, de tels mouvements résultant justement de l’utilisation des technologies algorithmiques à haute fréquence18.

36Concernant la question des coûts des transactions, Angel et al. (2010) enregistrent quant à eux une forte diminution des commissions moyennes pour les investisseurs particuliers entre 2003 et 2010, sur le marché américain : ils expliquent cette baisse par l’entrée de nouveaux acteurs sur les places marchandes, et le déploiement de technologies sophistiquées facilitant une haute fréquence de transactions, un point que l’on retrouve notamment chez Menkveld (2012). Selon des estimations de Lehalle et Burgot (2010), les commissions demandées par les marchés réglementés ont baissé de 30 % entre 2007 et 2009 sous l’impulsion de la concurrence pour attirer notamment les traders à haute fréquence.

37Enfin, nombre études soulignent finalement la contribution du trading à haute fréquence à l’efficience du marché (Brogaard, 2010 ; Brogaard et al., 2012 ; Hendershott, 2011). Selon Brogaard (2011), la technologie utilisée rend possible des arbitrages entre différents marchés, et contribue ainsi à renforcer l’efficience du système envisagé dans sa globalité : une augmentation de l’efficience des marchés, facilitée par l’amélioration de la liquidité et la baisse des coûts des transactions, devrait alors se traduire par une meilleure allocation des ressources et donc une augmentation de la croissance.

38Malgré la convergence de ces études, lorsque l’on tente de faire un point sur les avantages apportés par l’adoption des technologies algorithmiques, qu’elles soient utilisées dans une forme simple (trading algorithmique à basse fréquence) ou plus sophistiquée (trading à haute fréquence), on se trouve rapidement amené à une conclusion : les résultats obtenus n’ont pas encore acquis la solidité empirique suffisante qui permettrait de déterminer pour de bon quels sont les avantages de ces nouvelles technologies. Ce qui semble néanmoins acquis aujourd’hui, c’est que leur déploiement a altéré la forme de la concurrence entre opérateurs : les enquêtes menées auprès d’investisseurs institutionnels de long terme démontrent que, si les algorithmes ont amélioré la qualité du marché, ces derniers n’en ont pas bénéficié. Ils soulignent d’abord un accès plus difficile à la liquidité à cause de la fragmentation, de l’opacité, de la rapidité des ordres et des stratégies des traders à haute fréquence. Les mêmes raisons sont évoquées pour expliquer les problèmes dont ils souffrent dans le suivi de la découverte des prix, malgré les effets positifs que les algorithmes à haute fréquence auraient sur l’efficience des marchés. Les investisseurs institutionnels et les intermédiaires financiers soulignent enfin que si les commissions ont diminué, tout comme les coûts de règlement-livraison (une diminution de 47 % entre 2007 et 2009 selon les estimations de Lehalle et Burgot, 2010), le coût total des transactions a en revanche augmenté (de 24 %, d’après AMAFI, 2010) à cause de la diminution dans la taille des ordres et de la fragmentation de la liquidité : dans le nouveaux paysage post-MiF, cette fragmentation réduit la profondeur du carnet d’ordres et oblige les traders à exécuter plusieurs ordres pour atteindre les positions souhaitées. Cette tendance se trouve exacerbée par l’action des traders à haute fréquence, leur rentabilité reposant sur la rotation rapide d’un capital relativement modeste ; ils envoient ainsi une multitude d’ordres d’un montant limité afin de réduire leurs risques (AMAFI, 2010 ; AMF 2010, p. 33 sq. ; CESR, 2009b ; UK Government Office for Science, 2012). Encore une fois, il semblerait que les gains engendrés par les traders à haute fréquence soient payés par la collectivité, ces derniers déplaçant les richesses à leur avantage plutôt qu’ils n’en créent.

3. 2. L’émergence de nouveaux risques algorithmiques

  • 19 Sur ce thème, on consultera avec profit le rapport établi conjointement par la CFTC et la SEC à l’o (...)

39Ces conclusions provisoires ne doivent pourtant pas masquer le fait que l’utilisation des nouvelles technologies algorithmiques, parfois véritablement expérimentales, génère de nouveaux risques, dont l’évaluation est encore balbutiante. Celle-ci semble être moins le fait de chercheurs que de professionnels et régulateurs, l’attention des chercheurs se trouvant davantage portée sur la construction de modèles que sur leur test empirique, les données concernant les événements extrêmes étant rares et souvent très difficiles à reconstruire du fait notamment de la vitesse et du nombre des transactions19. Les nouveaux risques peuvent en première approche être distingués en risques opérationnels, de liquidité, de manipulation et d’instabilité.

3. 2. 1 Des risques opérationnels

  • 20 « We’ve come to a level of complexity and richness of functionality that goes beyond the core funct (...)
  • 21 Par exemple, le 11 octobre 2010 pour le NYSE, le 23 octobre 2009, le 13 octobre 2010 pour les march (...)

40Pour ce qui concerne les plateformes d’exécution, c’est sous la figure du risque opérationnel lié à l’exploitation de ces nouveaux outils que se posent de nombreuses questions, à en croire les professionnels eux-mêmes : certains participants de marché soulignent en effet cette matérialité du risque algorithmique qui pourtant porte sur les fondements du système de négociation20. En témoignent les deux pannes informatiques qui, en moins de cinq semaines, ont bloqué pendant plus de deux heures les échanges sur Turquoise, le SMN contrôlé depuis février 2010 par le London Stock Exchange. Ces risques ne sont pas portés par les seules plateformes alternatives, et les marchés réglementés eux-mêmes n’en sont pas davantage protégés : il n’est que de penser aux pannes des systèmes de négociation de NYSE-Euronext ou du London Stock Exchange qui ponctuent leur activité21. La compétition entre plateformes semble induire de fait une fréquence plus élevée de ces blocages, dont la cause est sans doute à chercher dans la fréquence des changements techniques subis par les plateformes de négociation, structures et code informatiques évoluant constamment sans états de stabilisation intermédiaires suffisants.

  • 22 Au-delà de la difficulté technique de surveiller des milliers de messages, certains participants au (...)
  • 23 Et exposé de la sorte dans la directive sur les abus de marché (CE, 2003a, consid. 2) : « Un marché (...)

41D’autre part, si les marchés réglementés acceptent de se positionner comme entreprises de services informatiques, cette évolution peut se faire au détriment de leurs fonctions d’organisation et de surveillance des échanges. Non seulement parce que l’augmentation du nombre et de la rapidité des transactions obère les capacités de surveillance de la structure, mettant ainsi à mal indirectement l’action des régulateurs22, mais surtout parce que l’offre de services ad hoc à un petit nombre d’opérateurs altère l’égalité entre participants, et multiplie les asymétries d’information. Si une partie de la recherche en finance a mis en avant les bénéfices que le trading à haute fréquence est susceptible d’apporter à la collectivité, il semble plus que jamais nécessaire de prendre en considération les dangers induits sur le paysage boursier post-MiF, au sein duquel un nombre très important d’opérateurs à basse fréquence continue d’opérer. Les traders à haute fréquence peuvent en effet produire des effets paradoxaux sur la qualité et l’intégrité du marché (son fonctionnement normal, résultant de la rencontre d’une offre et d’une demande dans les conditions décrites par la science économique23), qui amènent à s’interroger sur le concept de liquidité.

3. 2. 2. Des risques de liquidité

  • 24 Un trader à basse fréquence peut ne pas (encore) savoir que sur un marché se trouvent affichés des (...)
  • 25 Pour éviter de décourager les investisseurs de long terme, la nouvelle bourse pour petite et moyenn (...)

42La capacité de collecter sur plusieurs marchés et de traiter presque instantanément une quantité d’information importante confère aux traders à haute fréquence une supériorité informationnelle qui ne peut qu’aggraver les asymétries d’information sur les marchés : une asymétrie qui se trouve par ailleurs accrue du fait des possibilités de colocation (Biais, 2010b). Ces effets asymétriques se trouvent transformés en rentes informationnelles substantielles, et l’on sait aujourd’hui que l’utilisation d’algorithmes par les systèmes de trading à haute fréquence tend à écrêter les ordres gérés par les intervenants à basse fréquence : un négociateur basse fréquence peut tout à fait ignorer l’existence d’occasions d’échanges de titres à des conditions plus favorables que celles auxquelles il s’apprête à effectuer sa transaction, du fait même de son incapacité à agréger l’information rapidement, alors que la machine algorithmique utilisée à haute fréquence ne laissera pas passer de telles occasions. Une telle configuration engendre un manque à gagner (donc une perte) pour le trader à basse fréquence, égal au profit réalisé par l’algorithme à haute fréquence24. En poussant un tel raisonnement, on peut sans doute tenir qu’un négociateur humain s’attendant à ce qu’une large part des négociations profitables soit conclue par des algorithmes à haute fréquence, comme c’est de plus en plus le cas, pourrait anticiper qu’il supportera d’importants coûts : en conséquence, les négociateurs humains risquent d’abandonner à terme le marché pour ne pas supporter des pertes systématiques, qu’ils utilisent ou non des algorithmes à basse fréquence. Cette éviction se traduira par une baisse de la liquidité du marché et, par-là, des gains que la collectivité peut tirer du marché (Biais et al., 2011)25.

43Par ailleurs, si le marché devient plus transparent pour les opérateurs disposant des outils adéquats, dans la mesure où les algorithmes sont à même de consolider l’information dispersée sur un nombre élevé de dispositifs de négociation, ils peuvent également le rendre plus opaque dans sa globalité. La présence de traders à haute fréquence peut obliger les négociateurs basse fréquence, et notamment ceux qui travaillent pour les investisseurs de long terme, à cacher leurs ordres en les plaçant dans des dispositifs de négociation opaques, ce déplacement ayant des conséquences néfastes sur le processus de découverte des prix (AMF, 2010). En outre, puisque les négociateurs humains sont bien plus lents que les traders à haute fréquence dans les interactions avec le marché, lorsque les ordres des premiers atteignent le carnet d’ordre, ce dernier peut être différent de celui qui a contribué à la décision d’investissement des traders à basse fréquence : les algorithmes à haute fréquence l’ont en fait déjà modifié. Dans cette configuration, ce qui pour le trader était auparavant une certitude, soit la possibilité d’exécuter une décision d’investissement dans les conditions qui l’avaient déterminée, n’est plus que probabilité (Lehalle, Burgot, 2010).

44Finalement, le comportement opportuniste des traders à haute fréquence génère des risques d’illiquidité périodique du marché. Les opérateurs à haute fréquence ne gardent des positions – limitées – que pour des périodes très courtes (quelques microsecondes parfois) avec l’objectif d’une position nulle en fin de journée. En conséquence, ils gèrent leurs risques en réduisant rapidement leurs ordres lorsque les conditions de marché sont défavorables. Si plusieurs algorithmes réduisent leurs échanges en même temps, une spirale peut s’enclencher, qui assèche rapidement le marché : ce risque est d’autant plus fort pour un marché pris individuellement que les algorithmes à haute fréquence par leur activité d’arbitrage déplacent constamment leurs ordres d’un marché à un autre (UK Government Office for Science, 2012, p. 43-44).

45Une telle évolution ne manque pas de soulever une question fondamentale, quant à la nature des échanges résultant de l’utilisation des technologies algorithmiques à haute fréquence : peut-on encore parler d’« investissement », lorsque l’intention sous-jacente à l’envoi d’une instruction dans le marché, ainsi que la temporalité au sein de laquelle cette intention parvient à s’exprimer, se trouve réduite à ce point ?

3. 2. 3. Des risques de manipulation et d’instabilité

  • 26 L’affichage d’ordres dans le carnet sans la volonté de les exécuter pourrait ainsi constituer un in (...)

46Des stratégies volontaires de brouillage de l’information contenue dans le carnet d’ordres peuvent être mises en place, les algorithmes à haute fréquence pouvant insérer, modifier, ou annuler très rapidement les ordres qu’ils soumettent aux marchés : la dissémination de ces miroirs aux alouettes dans le carnet d’ordres peut être interprétée comme une nouvelle tentative de manipuler les cours (Oseredczuck, 2010)26. La capacité de se retirer du carnet avant que les ordres envoyés par des traders à basse fréquence, insérés dans le système, ne les atteigne, permet aux traders à haute fréquence de substituer leurs messages initiaux par d’autres instructions qui se croiseront avec les ordres (enfin arrivés) des traders à basse fréquence, à perte pour ces derniers. Dans ces conditions, les ordres envoyés par les traders à haute fréquence peuvent-ils être considérés comme participant à la liquidité du marché ? Le doute nous semble ici légitime.

  • 27 Un système est non-linéaire si un changement donné dans une variable peut déterminer un changement (...)
  • 28 Le terme, utilisé dans les salles de marché, désigne l’erreur de saisie, avec cette image du doigt (...)

47Finalement, et c’est sans doute là l’élément le plus préoccupant, les traders à haute fréquence peuvent contribuer à l’accroissement du risque systémique : au-delà de l’augmentation du risque de contrepartie, conséquence de la concentration des ordres sur un nombre limité d’institutions à haute fréquence, les algorithmes peuvent être sujets, comme tout logiciel, à des erreurs (bogues) qui peuvent affecter grandement leur fonctionnement ; ce sans évoquer leur délicat paramétrage, ni le fait que les connections de marché peuvent s’interrompre. Puisque les marchés financiers sont des systèmes non-linéaires27, un problème, même de dimensions réduites, peut rapidement se transformer en catastrophe comme le krach éclair du 6 mai 2010 peut le laisser penser (David, 2010). Les traders humains sont aussi sujets aux « gros doigts »28, mais les erreurs ainsi commises se font le plus souvent dans des volumes et à des vitesses incommensurables – au sens propre – avec les grandeurs utilisées par les algorithmes. Si l’on observe les données à très haute fréquence, les mini-krachs éclairs qui s’y trouvent régulièrement enregistrés constituent autant de menaces systémiques pesant sur les marchés (UK Government Office for Science, 2012, p. 74).

4. Conclusion : une régulation à (ré-)inventer

48Dans cet article, nous avons souligné le paradoxe qui frappe les marchés financiers tels qu’organisés depuis l’entrée en vigueur de la directive MiF, le 1er novembre 2007. La concurrence entre dispositifs d’échange a favorisé une vague d’innovation technologique qui révolutionne les pratiques mises en œuvre par les opérateurs. Contrairement aux objectifs affichés par le texte, cette révolution conduit à la création de nouveaux risques susceptibles de porter atteinte aux marchés dans leur ensemble.

49La concurrence instituée par la directive MiF a permis l’émergence de dispositifs d’échange de plus en plus opaques, qui attirent un pourcentage croissant des transactions et permettent aux grands opérateurs de maximiser leur rente informationnelle. À défaut d’un mécanisme public de consolidation de l’information, la fragmentation de la liquidité a poussé les opérateurs ayant les ressources nécessaires à investir dans les technologies de trading, notamment à haute fréquence, qui rendent les marchés transparents à leurs seuls yeux, en démultipliant leur avantage informationnel. Pour autant, ces technologies rendent en définitive les marchés plus opaques pour ceux qui ne les possèdent pas, et sont susceptibles de miner leur développement par le double jeu des asymétries d’information et de l’accroissement du risque systémique. Ce sans mentionner le poids que ces nouvelles technologies font peser sur les pratiques de trading, qui posent de nombreuses questions non encore pleinement comprises.

50Le dispositif de réglementation et de surveillance des marchés contemporain n’est pas adapté à la gestion des nouveaux risques ainsi créés. Les régulateurs nationaux, à défaut de systèmes intégrés et de ressources suffisantes, ne peuvent en effet ni consolider ni analyser, dans les laps de temps réduits qui leur sont imposés, l’information nécessaire. Et il est fort à parier que le nouveau régulateur européen (ESMA), fera face aux mêmes difficultés, à défaut pour lui d’une information pertinente et des moyens de l’exploiter. L’émergence d’un « same-level playing field », fermement réclamé par le directeur de la Régulation de la Bourse de Londres (Kinsley, 2009) ainsi que par d’autres acteurs des marchés réglementés, constitue sans doute un prérequis en vue d’un fonctionnement ordonné des structures de marché. De même, un encadrement strict des pratiques du trading à haute fréquence, à l’intérieur des institutions qui le pratiquent ainsi que sur les marchés, semble plus que nécessaire pour assurer l’intégrité du marché et ce same-level playing field entre participants. Comme l’indique le rapport de la Commission d’enquête sur les mécanismes de spéculation (Assemblée nationale, 2010), il est nécessaire que l’Autorité de contrôle prudentiel assure une surveillance effective des activités de trading à haute fréquence, pour contrôler tout à la fois les positions prises et les risques induits. Pour ce qui concerne les plateformes de négociation, diverses pistes peuvent être avancées : l’imposition d’un temps de latence minimale des ordres, la réglementation et/ou la surfacturation des annulations d’ordres, voire l’interdiction pure et simple de certains types d’algorithmes particulièrement agressifs.

51Quoi qu’il en soit, la nouvelle configuration techno-réglementaire instaurée par l’adoption de la directive MiF n’est pas neutre en termes de concurrence entre places financières. La plupart des institutions utilisant des algorithmes de trading pour compte propre se délocalisent aujourd’hui à Londres dans l’espoir de tirer profit d’un régime de régulation allégé, arbitrant entre les différentes réglementations des pays de l’Union. Alors que la technologie aurait dû éliminer ce type d’opportunités géographiques, elle a de fait conféré aux pratiques de la négociation des qualités nouvelles que la recherche académique a encore très peu étudié.

Top of page

Bibliography

Aglietta M. (1998), Le capitalisme de demain, Paris, Fondation Saint Simon.

Aldridge I. (2010), High-Frequency Trading. A Practical Guide to Algorithmic Strategies and Trading Systems, Hoboken, John Wiley & Sons.

AMAFI [Association française des marchés financiers] (2010), Révision de la directive MiF. Contribution de l’AMAFI à la réflexion sur la structure de marché, AMAFI 10/01, 7 janvier, Paris.

AMF [Autorité des marchés financiers] (2009), « Les enjeux liés à l’émergence des dark pools et des crossing networks », AMF, 20 octobre, Paris.

AMF (2010), Cartographie 2010 des risques et des tendances sur les marchés financiers et pour l’épargne, Risques et tendances, n° 9, AMF, mai, Paris.

AMF (2012), Cartographie 2012 des risques et des tendances sur les marchés financiers et pour l’épargne, Risques et tendances, n° 12, AMF, juillet, Paris.

Angel J., Harris L., Spatt C. (2010), “Equity trading in the 21st century”, USC Marshall Research Paper Series, working paper FBE 09-10. http://papers.ssrn.com/sol3/papers.cfm?abstract_id=1584026, consulté le 17/12/2012.

Assemblée nationale (2010), Rapport fait au nom de la commission d’enquête sur les mécanismes de spéculation affectant le fonctionnement des économies, n° 3034, décembre, Paris.

Berenson A. (2009), “Arrest Over Software Illuminates Wall St. Secret”, New York Times, 23 août.

Biais B. (2010a), « Trading algorithmique, ordres à cours limité, liquidité et formation des prix », intervention lors du colloque du conseil scientifique de l’AMF, Régulation : comment faire face au changement des marchés d’actions ?, AMF, 27 mai, Paris.

Biais B. (2010b), “Financial markets and investment banking”, intervention lors des Rencontres de la Chaire FBF, Transactions algorithmiques sur les marchés financiers, FBF, 14 octobre, Paris.

Biais B., Foucault T., Moinas S. (2011), “Equilibrium High Frequency Trading”, working paper. http://www.lse.ac.uk/fmg/events/conferences/past-conferences/2012/PWC-Conference_7-8June/Papers-and-slides/Bruno_Biais_paper.pdf.

Bourghelle D., Hyme P. (2010), « Du mythe de l’efficience du marché au krach », Revue de la régulation, n° 8, 2e semestre.

Boyer R. (2000), “Is a finance led growth regime a viable alternative to Fordism? A preliminary analysis”, Economy and Society, vol. 29, n° 1, p. 111-145.

Brogaard J. (2010), “High Frequency Trading and its Impact on Market Equality”, working paper. http://www.futuresindustry.org/ptg/downloads/HFT_Trading.pdf, consulté le 16/12/2012.

Brogaard J. (2011), “High Frequency Trading, information, and profits”, UK Government Office for Science, Foresight project, Driver Review – DR10. http://www.bis.gov.uk/assets/foresight/docs/computer-trading/11-1241-dr10-high-frequency-trading-information-and-profits, consulté le 12/12/2012.

Brogaard J., Hendershott T., Riordan R. (2012), “High Frequency Trading and Price Discovery”, working paper. http://papers.ssrn.com/sol3/papers.cfm?abstract_id=1928510, consulté le 16/12/2012.

CE [Commission européenne] (2000), Communication de la Commission au Parlement européen et au Conseil. modernisation de la directive concernant les services d’investissement (93/22/CEE), 16 novembre, Bruxelles.

CE (2003a), directive 2003/6/CE du Parlement européen et du Conseil du 28 janvier 2003 sur les opérations d’initiés et les manipulations de marché (abus de marché).

CE (2003b), Proposition de directive du Parlement et du Conseil européens concernant les services d’investissement et les marchés réglementés et modifiant les directives 85/611/CEE et 93/6/CEE du Conseil européen, ainsi que les directives 2000/12/CE du Parlement et du Conseil européens (2003/C 71 E/07) - COM (2002) 625 final - 2000/0269(COD), JOCE du 25 mars 2003.

CE (2004), directive 2004/39/CE du Parlement européen et du Conseil du 21 avril 2004 concernant les marchés d’instruments financiers, modifiant les directives 85/611/CEE et 93/6/CEE du Conseil et la directive 2000/12/CE du Parlement européen et du Conseil et abrogeant la directive 93/22/CEE du Conseil.

CE (2006), Règlement (CE) n° 1287/2006 de la Commission du 10 août 2006 portant mesures d’exécution de la directive 2004/39/CE du Parlement européen et du Conseil en ce qui concerne les obligations des entreprises d’investissement en matière d’enregistrement, le compte-rendu des transactions, la transparence de marché, l’admission des instruments financiers à la négociation et la définition de termes aux fins de ladite directive.

CESR [Committee of European Securities Regulators] (2009a), Call for evidence on the technical standards to identify and classify OTC derivative instruments for TREM, CESR’s transaction reporting exchange mechanism, document n° 09-074, 2 février.

CESR (2009b), Impact of MiFID on Equity secondary markets functioning, document n° 09-355, 26 juin.

Comité des Sages (2000), Premier rapport du Comité des Sages sur la régulation des marchés européens de valeurs mobilières, 9 novembre, Bruxelles.

Coriat B. (2008), « L’installation de la finance en France », Revue de la régulation, n° 3/4, 2e semestre.

Coriat B., Boyer R. (2008), « Dossier “Normes et institutions de la finance” », Revue de la régulation, n° 3/4, 2e semestre.

David P. (2010), “May 6th – Signals From a Very Brief But Emblematic Catastrophe on Wall Street”, Stanford Institute for Economic Policy Research Series Discussion Papers 09-020. http://siepr.stanford.edu/publicationsprofile/2325, consulté le 10/04/2012.

Godechot O. (2011), « Le capital humain et les incitations sont-ils les deux mamelles des salaires dans la finance », Revue d’économie financière, vol. 104, p. 145-164.

Godechot O., Hassoun J.-P., Muniesa F. (2000), « La volatilité des postes. Professionnels des marchés financiers et informatisation », Actes de la recherche en sciences sociales, n° 134, p. 45-55.

Guttmann R. (2008), “A Primer on Finance-Led Capitalism and its Crisis”, Revue de la regulation [En ligne], n° 3/4, 2e semestre.

Hasbrouck J., Saar G. (2012), “Low-latency trading”, working paper. http://papers.ssrn.com/sol3/papers.cfm?abstract_id=1695460, consulté le 25/09/2012.

Hassoun J.-P. (2000), « Le surnom et ses usages sur les marchés à la criée du MATIF. Contrôle social, fluidité relationnelle et représentations collectives », Genèses, n° 41, p. 5-40.

Hassoun J.-P. (2005), « “Dernières séances au palais Brongniart” (1988 et 1998). Événements et contre-événements », Ethnologie française, Tome XXXVII, p. 627-642.

Hautcoeur P.-C., Lagneau-Ymonet P., Riva A. (2010), « L’information boursière comme bien public. Enjeux et perspectives de la révision de la directive européenne “Marchés d’instruments financiers” », Revue d’économie financière, vol. 98-99, p. 297-315.

Helleiner E. (1994), States and the Reemergence of Global Finance from Bretton Woods to the 1990s, Cornell University Press, Ithaca.

Hendershott T. (2011), “High frequency trading and price efficiency”, UK Government Office for Science, Foresight project, Driver Review – DR12. http://www.bis.gov.uk/assets/foresight/docs/computer-trading/11-1231-dr12-high-frequency-trading-and-price-efficiency, consulté le 12/12/2012.

Hendershott T., Riordan R. (2009), “Algorithmic Trading and Information”, working paper. http://www.im.uni-karlsruhe.de/Upload/Publications/218bfa37-798e-44df-8ad3-8289af8a0920.pdf, consulté le 15/12/2012.

Hendershott T., Jones C., Menkveld A. (2011), “Does Algorithmic Trading Improve Liquidity?”, Journal of Finance, vol. 66, n° 1, p. 1-33.

IOSCO [International Organization of Securities Commissions] (2011), Regulatory Issues Raised by the Impact of Technological Changes on Market Integrity and Efficiency. Consultation Report CR02/11, juillet, Madrid.

Johnson N., Zhao G. (2012), “Brave new world: quantifying the new instabilities and risks arising in sub second algorithmic trading”, in UK Government Office for Science, Foresight project, Driver Review – DR 27. http://www.bis.gov.uk/assets/foresight/docs/computer-trading/12-1060-dr27-quantifying-instabilities-risks-in-subsecond-algorithmic-trading.pdf, consulté le 12/12/2012.

Jorion P. (1994), « La queue qui remue le chien. Métamorphose de la finance due à son informatisation », Techniques & Culture, vol. 23-24, p. 307-349.

Jorion P. (2010), « Retour sur “La queue qui remue le chien” », Techniques & Culture, vol. 54-55, p. 670-672.

Kinsley A. (2009), Answer to the Call for Evidence on the Impact of MiFID on Secondary markets Functioning, document n° 08-872, 21 janvier.

Lagneau-Ymonet P. (2009), « Entre le marché et l’État, les agents de change. Une socio-histoire économique de l’intermédiation officielle à la Bourse de Paris », thèse (non publiée), École des hautes études en sciences sociales, Paris.

Lagneau-Ymonet P., Riva A. (2010), « La privatisation paradoxale d’un étrange bien public : la Bourse de Paris dans les années 1980 », Genèses, n° 80, p. 49-69.

Lagneau-Ymonet P., Riva A. (2012a), Histoire de la Bourse, La Découverte, Paris.

Lagneau-Ymonet P., Riva A. (2012b), “Market as a Public Good. The Political Economy of the Revision of the Markets in Financial Instruments Directive (MiFID), in Finance: The Discret Regultor. How Financial Activities Shape and Transform the World, Huault I., Richard C., Londres, Palgrave MacMillan, p. 134-163.

Lee R. (1998), What is an Exchange? The Automation, Management, and Regulation of Financial Markets, Oxford, Oxford University Press.

Lehalle C.-A., Burgot R. (2010), “Market microstructure: a paradigm shift”, Navigating liquidity, n° 4., avril, C.A. Cheuvreux.

Leinweber D. (2009), Nerds on Wall Street. Math, machines and wired markets, Hoboken, John Wiley & Sons.

Lenglet M. (2008), « Déontologue de marché. De la pratique des institutions à l’institutionnalisation des pratiques », thèse (non publiée), université Paris-Dauphine, EDOGEST, Paris.

Lenglet M. (2011a), « Le trading haute fréquence, une innovation dangereuse ? », Cahiers français, n° 361, p. 49-53.

Lenglet M. (2011b), “Conflicting codes and codings. How algorithmic trading is reshaping financial regulation”, Theory, Culture & Society, vol. 28, n° 6, p. 44-66.

Levine R., Zervos S. (1998), “Stock Markets, Banks and Economic Growth”, American Economic Review, vol. 88, n° 3, p. 537-558.

Linton O. (2011), “What happened to UK equity market quality in the last decade?”, UK Government Office for Science, Foresight project, Driver Review – DR1. http://www.bis.gov.uk/assets/foresight/docs/computer-trading/11-1220-dr1-what-has-happened-to-uk-equity-market-quality-in-last-decade, consulté le 12/12/2012.

Lordon F. (2008), Conflits de pouvoirs dans les institutions du capitalisme, Paris, Presses de Sciences Po.

MacKenzie D. (2012), “Mechanizing the Merc. The Chicago Mercantile Exchange and the Rise of High-Frequency Trading”, working paper. http://www.sps.ed.ac.uk/__data/assets/pdf_file/0006/93867/Merc21b.pdf, consulté le 12/12/2012.

Menkveld A. (2011), “Electronic trading and market structure”, UK Government Office for Science, Foresight project, Driver Review – DR16. http://www.bis.gov.uk/assets/foresight/docs/computer-trading/11-1234-dr16-electronic-trading-and-market-structure, consulté le 12/12/2012.

Menkveld A. (2012), “High Frequency Trading and the New-Market Makers”, working paper. http://papers.ssrn.com/sol3/papers.cfm?abstract_id=1722924, consulté le 12/12/2012.

Muniesa F. (2003), « Des marchés comme algorithmes. Sociologie de la cotation électronique à la Bourse de Paris », thèse (non publiée), École nationale supérieure des Mines de Paris, Centre de sociologie de l’innovation, Paris.

Muniesa F. (2007), “Market technologies and the pragmatics of prices”, Economy and Society, vol. 36, n° 3, p. 377-395.

NYSE-Euronext (2007), Internal Matching Service approved by Euronext regulators, Info-Flash, 10 octobre. https://europeanequities.nyx.com/sites/europeanequities.nyx.com/files/264807.pdf, consulté le 31/03/2012

NYSE-Euronext (2008), “Co-location service now available for Euronext Cash Markets”, Info-flash Euronext Cash Market, 9 avril. https://europeanequities.nyx.com/sites/europeanequities.nyx.com/files/327777.pdf, consulté le 08/04/2012.

NYSE-Euronext, (2010), Colocation : NYSE Euronext’s US Liquidity Center. Document décrivant l’offre de services. http://www.nyse.com/pdfs/Colocation-NYSE-Euronext-US-Liquidity-Center.pdf, consulté le 08/04/2012.

Orléan A. (2011), L’Empire de la valeur. Refonder l’économie, Paris, Seuil.

Oseredczuck A. (2010), « Le point de vue de l’AMF », intervention lors des Rencontres de la Chaire FBF, Transactions algorithmiques sur les marchés financiers, 14 octobre, Paris.

Oseredczuck A. (2011), « Le trading haute fréquence vu de l’AMF », intervention lors de la 11e journée des RCCI et des RCSI, 16 mars, Paris. http://j7.agefi.fr/documents/liens/201104/28-3zr7zt30xxofydm.pdf, consulté le 01/04/2012.

Pardo-Guerra J.-P. (2010), “Creating flows of interpersonal bits: the automation of the London Stock Exchange, c. 1955-90”, Economy and Society, vol. 39, no. 1, p. 84-109.

Patterson S. (2012), Dark pools. The rise of A.I. trading machines and the looming threat to Wall Street, London, Random House.

Philipponnat T. (2011), intervention au nom de Finance Watch devant le Parlement européen, dans le cadre de l’audition publique du 5 décembre 2011, MiFID Review : objectives for MiFID/MiFIR2, consulté le 31/03/2012, sur http://www.finance-watch.org/press/press-releases/404-econ-evidence-on-hft-and-mifid/.

Pryke M. (2010), “Money’s eyes: the visual preparation of financial markets”, Economy and Society, vol. 39, no. 4, p. 427-459.

Southern District of New York (2009), United States of America vs Sergey Aleynikov, Violations of 18 U.S.C. §§ 1832 (a)(2), 2314, & 2, 4 juillet.

UK Government Office for Science (2012), Foresight: The Future of Computer Trading in Financial Markets. An International Perspective, London.

U.S. Commodity Futures Trading Commission and U.S. Securities & Exchange Commission, (2010), Findings regarding the market events of May 6, 2010. Report of the staffs of the CFTC and SEC to the Joint Advisory Committee on Emerging Regulatory Issues, 30 septembre.

Zaloom C. (2006), Out of the pits: trading and technology from Chicago to London, Chicago, Chicago University Press.

Top of page

Notes

1 Ainsi du « capitalisme patrimonial » proposé par Aglietta (1998), ou du « finance led growth regime » de Boyer (2000).

2 Un documentaire revient sur ces changements récents : Meerman M. (2010), Quants: The Alchemists of Wall Street, VPRO Backlight.

3 Ponctuellement, nous avons pu confronter ces analyses aux informations collectées par l’un d’entre nous dans une société d’intermédiation financière entre 2006 et 2008, à l’occasion d’une thèse sur la fonction conformité (Lenglet, 2008).

4 Le Premier Rapport du Comité des Sages dirigé par Alexandre Lamfalussy a été publié le 9 novembre 2000, donnant lieu à un Rapport final, publié le 15 février 2001. Cf. CE (2000).

5 Cette activité pèse sur les engagements réglementaires en capital des sociétés qui les créent, raison probable du désintérêt manifeste des entreprises d’investissement pour ce modèle d’organisation : autant le nombre de SMN n’a cessé d’augmenter depuis le 1er novembre 2007, autant le nombre d’IS stagne sur la période. Cf. http://mifiddatabase.esma.europa.eu/.

6 AMF, 2009, p. 2 : « Le terme “dark pool” désigne communément les systèmes de négociation qui opèrent sans aucune transparence pré-négociation » ; « Le terme “dark pool” est également de plus en plus souvent utilisé pour faire référence aux systèmes d’appariement internes des ordres de leurs clients développés par les intermédiaires financiers les plus importants : les crossing networks ». L’AMF opère cette reconnaissance tardive dans un document destiné avant tout à la presse, et non par voie réglementaire. Sur le développement des dark pools, cf. la récente enquête de Patterson (2012).

7 CE, 2006, notamment art. 17 à 26 ; puis art. 27 et 28.

8 CE, 2004, art. 21.1

9 Chi-X, l’une de ces plateformes, a ainsi été l’une des premières à introduire en Europe ce type de tarification dite « passive-agressive », rémunérant les clients apporteurs de liquidité (utilisant des ordres passifs, à cours limité par exemple) et faisant payer les clients preneurs de liquidité (utilisant des instructions « au marché »).

10 Cf. infra et UK Government Office for Science, 2012, p. 50 : « It is almost impossible to access liquidity effectively on multiple venues without sophisticated computer technology and, in particular, smart order routers ».

11 « Sniper » ou « Hunt » : des algorithmes qui envoient un ordre à cours limité lorsque le prix recherché apparaît dans le marché. Autrement formulé, de tels algorithmes insèrent un ordre à cours limité dans le carnet, mais restent invisibles aux autres participants, puisqu’ils ne se révèlent que lorsque le prix recherché se trouve effectivement disponible. De tels algorithmes sont particulièrement intéressants pour traiter des titres peu liquides.

12 Document mis en ligne par le courtier CA Cheuvreux, consulté le 12/12/2012.

13 Document mis en ligne par le courtier SG Securities, http://execution.socgen.com/resource/execution-algotrading-strategies, consulté le 12/12/2012.

14 Il suffit pour s’en convaincre de penser aux cas portés devant la justice américaine en 2009 : l’affaire Goldman Sachs contre Sergey Aleynikov, nom de l’informaticien accusé d’avoir copié illégalement le code source utilisé par la banque pour effectuer ses transactions algorithmiques à haute fréquence (Southern District of New York, 2009) ; ou encore des poursuites intentées par le fonds Citadel Investment Group contre Teza Technologies, nouvel employeur de Sergey Aleynikov créé par trois anciens employés de Citadel, accusés de violer des dispositions contractuelles de non concurrence, et d’essayer de tirer profit de leurs connaissances des outils informatiques utilisés par le fonds (Berenson, 2009).

15 Cf. le site institutionnel du groupe NYSE-Euronext : http://ir.nyse.com/phoenix.zhtml?c=129145&p=irol-reportsAnnual, consulté le 08/04/2012.

16 Les communiqués de presse émis à l’occasion de cette nomination sont sans équivoque. Cf. par exemple « NYSE Euronext Names Dominique Cerutti to Succeed Jean-François Théodore as Deputy Chief Executive Officer, Effective Year-end 2009 », communiqué du 01/10/2009, disponible sur http://www.nyse.com/press/1254305776079.html, consulté le 16/12/2012.

17 Dans la plupart des articles académiques dédiés au trading algorithmique, deux variables sont utilisées pour en estimer l’impact : d’une part le trafic généré par les messages envoyés, mesurant l’intensité de l’activité de négociation (insertion, modification, suppression des instructions envoyées aux plateformes d’exécution) ; d’autre part l’identification des traders algorithmiques à partir de l’observation des stratégies des intervenants sur le marché, en analysant les données de marché ventilées selon les identifiants anonymes des opérateurs à l’origine des instructions. Pour davantage de précisions sur tous ces points, cf. UK Government Office for Science, 2012, p. 44 sq.

18 Voir par exemple : http://www.nanex.net/FlashCrash/OngoingResearch.html.

19 Sur ce thème, on consultera avec profit le rapport établi conjointement par la CFTC et la SEC à l’occasion du krach éclair du 6 mai 2010. Cf. U.S. Commodity Futures Trading Commission and U.S. Securities & Exchange Commission, (2010) et, pour une mise en perspective critique de cet événement, David (2010).

20 « We’ve come to a level of complexity and richness of functionality that goes beyond the core function of the exchange, which in my opinion is to guarantee a very reliable place to trade » déclare Stéphane Loiseau, Deputy Global Head of Execution Services de la Société Générale. Et, poursuivant : « what is also concerning is that a lot of the technology that was put in place over the last couple of years to [prevent outages] did not [work] ». Cf. http://www.thetradenews.com/News/Operations___Technology/Trading_tools/Is_exchange_competition_increasing_operational_risk_.aspx, consulté le 02/02/2011.

21 Par exemple, le 11 octobre 2010 pour le NYSE, le 23 octobre 2009, le 13 octobre 2010 pour les marchés européens d’Euronext, et les 20, 21 et 27 juin 2011 sur NYSE Euronext, sans oublier les pannes de la Bourse de Milan (22 février 2011) ou du London Stock Exchange (25 février 2011). Des pannes similaires se sont produites sur Chi-X les 13 et 15 juin 2011. Ce sans mentionner les introductions en bourse ratées de Facebook le 18 mai 2012, et du SMN BATS le 23 mars 2012.

22 Au-delà de la difficulté technique de surveiller des milliers de messages, certains participants au marché ont manifesté le sentiment d’un affaiblissement de la surveillance sur les marchés réglementés pour éviter de sanctionner leurs meilleurs clients (AMAFI, 2010).

23 Et exposé de la sorte dans la directive sur les abus de marché (CE, 2003a, consid. 2) : « Un marché financier intégré et efficace exige l’intégrité du marché. Le bon fonctionnement des marchés des valeurs mobilières et la confiance du public en ces marchés sont des préalables indispensables à la croissance économique et à la prospérité. Les abus de marché nuisent à l’intégrité des marchés financiers et ébranlent la confiance du public dans les valeurs mobilières et les instruments dérivés ».

24 Un trader à basse fréquence peut ne pas (encore) savoir que sur un marché se trouvent affichés des ordres de sens inverse à ceux qu’il souhaite exécuter à un prix meilleur que celui qu’il serait prêt à accepter. En conséquence, il peut décider d’envoyer son ordre sur le marché qu’il observe : l’algorithme est à même de satisfaire immédiatement l’ordre envoyé par le trader à basse fréquence, et de défaire sa position sur le marché que ce dernier n’observe pas. En outre, si le trader à basse fréquence et l’algorithme à haute fréquence se retrouvent sur le même marché, le second pourra saisir, du fait de sa rapidité intrinsèque, des occasions d’échanges dont le premier ne pourra profiter. Ces deux configurations déterminent une perte (un manque à gagner) pour le trader à basse fréquence, égale au profit réalisé par l’algorithme à haute fréquence.

25 Pour éviter de décourager les investisseurs de long terme, la nouvelle bourse pour petite et moyennes entreprises qui verra le jour à Paris en 2013 sera interdite aux traders à haute fréquence.

26 L’affichage d’ordres dans le carnet sans la volonté de les exécuter pourrait ainsi constituer un indice de manipulation de cours.

27 Un système est non-linéaire si un changement donné dans une variable peut déterminer un changement grand ou petit dans un autre variable, selon le niveau absolu de la première. Dit autrement, un système non-linéaire peut connaître des altérations critiques à cause d’un petit changement dans une variable.

28 Le terme, utilisé dans les salles de marché, désigne l’erreur de saisie, avec cette image du doigt qui reste enfoncé sur une touche, et multiplie d’autant le volume de l’ordre.

Top of page

List of illustrations

Title Document 2. Emplois informatiques dans le secteur financier : le cas de la Grande-Bretagne
Caption Nombre d’offres d’emplois (fonctions informatiques) dans le secteur financier, en comparaison du nombre total d’offres d’emplois tous secteurs informatiques confondus, en Grande-Bretagne.
Credits Source : http://www.itjobswatch.co.uk/​
URL http://journals.openedition.org/regulation/docannexe/image/10385/img-1.png
File image/png, 223k
Title Document 5. Le trading algorithmique, un sujet encore peu étudié
Caption Nombre de working papers relatifs au trading algorithmique (requête sur « algorithmic trading ») et au trading haute fréquence (requête sur « hft ») mis en ligne sur le site http://www.ssrn.com/​, sur une période de dix années.
Credits Source : SSRN, auteurs
URL http://journals.openedition.org/regulation/docannexe/image/10385/img-2.png
File image/png, 14k
Top of page

References

Electronic reference

Marc Lenglet and Angelo Riva, Les conséquences inattendues de la régulation financière : pourquoi les algorithmes génèrent-ils de nouveaux risques sur les marchés financiers ? Revue de la régulation [Online], 14 | 2e semestre / Autumn 2013, Online since 16 December 2013, connection on 29 March 2024. URL: http://journals.openedition.org/regulation/10385; DOI: https://doi.org/10.4000/regulation.10385

Top of page

About the authors

Marc Lenglet

Professeur de management, European Business School Paris, France, marclenglet@ebs-paris.com

Angelo Riva

Professeur de finance, European Business School Paris, France, angeloriva@ebs-paris.com

Top of page

Copyright

CC-BY-NC-ND-4.0

The text only may be used under licence CC BY-NC-ND 4.0. All other elements (illustrations, imported files) are “All rights reserved”, unless otherwise stated.

Top of page
Search OpenEdition Search

You will be redirected to OpenEdition Search